目录
一、Object detection物体检测与其他计算机视觉问题的区别与联系
1. Intersection over Union (IoU) 交并比
2.mean Average Precision (mAP)
一、Object detection物体检测与其他计算机视觉问题的区别与联系
在这里。有必要解释一下几大计算机视觉问题的区别与联系。说起物体检测是,那是计算机视觉之中一个比较热门的问题。而它与图像识别classification的区别在于,图像识别classification提供了localization的定位操作,物体检测则是包括了定位和分类的两个任务。在现实世界中我们更多的能使用到物体检测的技术,因为拍摄的照片都是带有很高复杂性的,可能存在多个目标物体。而识别classification任务只能识别比较显著的一个,物体检测任务则能识别多个。从物体检测更进一步,我们不仅希望在图像中找到对象,而且还要找到每个检测到的对象每个的像素掩码,这个问题称为实例分割Instance Segmentation。
二、 Object detection物体检测的数据集
1. PASCAL Visual Object Classification (PASCAL VOC) 是一个比较老的数据集,从05年~12年PASCAL VOC数据集一直举办计算机视觉的比赛,分为八个不同类别的比赛,包括object detection, classification, segmentation等等。虽然只有二十个分类,它依然是object detection的重要参考数据。
2.自2013年以来,ImageNet发布了一个带有边界框的对象检测数据集。训练数据集由大约500 000个仅用于训练的图像和200个类别组成。这个数据集很少被使用因为需要很高的算力,而且太多的分类对detection任务不利。
3.另一方面, Common Objects in COntext (COCO) 数据集中的公共对象由Microsoft开发。该数据集用于多种挑战:字幕生成,对象检测,关键点检测和对象分割。COCO对象检测挑战,包括使用边界框本地化图像中的对象,并将它们中的每一个分类在80个类别之间。数据集每年都在变化,但通常由超过120,000张用于训练和验证的图像组成,还有超过40 000张图像用于测试。